稀疏张量PCA中的全有或全无现象

我们研究在加性高斯噪声干扰下估计秩一稀疏张量的统计问题，该模型也称为稀疏张量PCA。我们证明，对于Bernoulli和Bernoulli-Rademacher分布的信号，且对于信号维度中次线性的所有稀疏水平，稀疏张量PCA模型表现出一种称为全有或全无现象的相变。该性质是指，对于某个信噪比(SNR) $\mathrm{SNR_c}$ 和任意固定的 $\epsilon>0$，若模型的SNR低于 $\left(1-\epsilon\right)\mathrm{SNR_c}$，则不可能与隐藏信号达到任意小的常数相关性；而若SNR高于 $\left(1+\epsilon \right)\mathrm{SNR_c}$，则可以与隐藏信号达到几乎完美的相关性。全有或全无现象最初在稀疏线性回归的背景下确立，并在过去一年中也在稀疏2-张量（矩阵）PCA、Bernoulli群体检测和广义线性模型的背景下得到证实。我们的结果源于一个更一般的结论：对于任何具有离散均匀先验的高斯加性模型，全有或全无现象是所定义先验分布支撑的适当“近正交”性质的直接结果。